Nâng cao chất lượng ảnh viễn thám sử dụng logic mờ

Viễn thám bao gồm các thiết bị cảm nhận, ghi lại năng lượng phát ra từ đối tượng nghiên cứu, ví dụ dụ như thủy hệ, khu dân cư,… Chúng bao gồm tổ hợp phần cứng/phần mềm với khả năng xử lý

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

Người hướng dẫn khoa học: PGS TS ĐẶNG VĂN ĐỨC

THÁI NGUYÊN - 2017

LỜI CAM ĐOAN

Tôi xin cam đoan tất cả các nội dung của luận văn này hoàn toàn được hình thành và phát triển từ quan điểm của chính cá nhân tôi, dưới sự hướng dẫn chỉ bảo của PGS.TS Đặng Văn Đức Các số liệu kết quả có được trong luận văn tốt nghiệp là hoàn toàn trung thực

Học viên

Nguyễn Thị Ngoan

LỜI CẢM ƠN

Lời đầu tiên, em xin gửi lời biết ơn sâu sắc đến PGS.TS Đặng Văn Đức,

Viện Công nghệ thông tin - Viện Hàn lâm Khoa học và Công nghệ Việt Nam, người thầy đã tận tình hướng dẫn, chỉ bảo, giúp đỡ em trong suốt quá trình làm luận văn

Em cũng xin gửi lời cảm ơn đến các thầy cô giáo, Phòng Đào tạo trường Đại học Công nghệ thông tin và Truyền thông, đã truyền đạt những kiến thức

và giúp đỡ em trong suốt quá trình học tập của mình

Học viên cũng xin gửi lời cảm ơn tới Trung tâm Học liệu – Đại học Thái Nguyên đã tạo điều kiện thuận lợi cho học viên tham gia khóa học và quá trình hoàn thành luận văn

Và cuối cùng, học viên cũng xin gửi lời cảm ơn tới các đồng nghiệp, gia đình và bạn bè, những người đã ủng hộ, động viên tạo mọi điều kiện giúp đỡ

để học viên có được kết quả như ngày hôm nay

MỤC LỤC

LỜI CAM ĐOAN i

LỜI CẢM ƠN ii

MỤC LỤC iii

DANH MỤC CÁC TỪ VIẾT TẮT v

DANH MỤC CÁC BẢNG vi

DANH MỤC CÁC HÌNH vii

MỞ ĐẦU 1

Chương 1 TỔNG QUAN VỀ VIỄN THÁM VÀ LOGIC MỜ 3

1.1 Tiến trình viễn thám và các loại ảnh viễn thám 3

1.1.1 Tiến trình viễn thám 3

1.1.2 Nguyên lý hoạt động của ảnh viễn thám 3

1.1.3 Đặc trưng ảnh viễn thám 4

1.1.4 Khuân mẫu dữ liệu ảnh viễn thám 7

1.1.5 Các loại ảnh viễn thám 8

1.1.6 Ứng dụng của viễn thám 9

1.2 Khái quát về logic mờ 10

1.2.1 Khái niệm về tập rõ và tập mờ 10

1.2.2 Hàm thuộc 11

1.2.3 Một số đặc trưng của tập mờ 14

1.2.4 Các phép toán trên tập mờ 15

1.2.5 Biến ngôn ngữ (Liguistic Variable) 16

1.3 Kết chương 1 17

Chương 2 CÁC KỸ THUẬT NÂNG CAO CHẤT LƯỢNG ẢNH VIỄN THÁM 18

2.1 Khái quát về tiến trình xử lý ảnh viễn thám 18

2.2 Một số kỹ thuật nâng cao chất lượng ảnh viễn thám 21

2.2.1 Hiệu chỉnh bức xạ 21

2.2.2 Hiệu chỉnh hình học 22

2.2.3 Nâng cao chất lượng ảnh viễn thám 24

2.2.4 Tăng cường sự tương phản 26

2.2.5 Lọc không gian 28

2.2.6 Lọc trung vị 29

2.2.7 Biến đổi ảnh 29

2.2.8 Biến đổi thành phần chính 31

2.3 Kỹ thuật đánh giá chất lượng ảnh viễn thám 32

2.4 Nâng cao độ tương phản ảnh viễn thám sử dụng logic mờ 34

2.4.1 Cấu trúc tổng quát hệ thống xử lý ảnh trên cơ sở logic mờ 34

2.5 Một số thuật toán tăng cường độ tương phản ảnh viễn thám sử dụng logic mờ 35

2.5.1 Tăng cường ảnh mờ với toán tử tăng cường 36

2.5.2 Tăng cường ảnh mờ với toán tử Hyperbol 36

2.5.3 Tăng cường ảnh mờ dựa trên phân bố xác suất 37

2.5.4 Cải thiện độ tương phản dựa trên luật If-Then mờ 37

2.5.5 Thuật toán tăng cường độ tương phản Chi-Farn Chen 38

2.5 Kết chương 2 44

Chương 3 THỬ NGHIỆM 45

3.1 Quy trình xây dựng chương trình thử nghiệm 45

3.2 Dữ liệu ảnh LandSat 46

3.3 Phát triển chương trình thử nghiệm 49

3.4 Đánh giá kết quả thu được 53

3.5 Kết chương 55

KẾT LUẬN 56

TÀI LIỆU THAM KHẢO 57

DANH MỤC CÁC TỪ VIẾT TẮT

ASTER Advanced Spaceborne Thermal Emission and Reflection

Radiometer AVHRR Advanced Very High Resolution Radiometer

CCRS Canada Center for Remote Sensing

CEOS Committee on Earth Observation Satellites

Covariance Hiệp phương sai

DEM Digital Elevation Model (Mô hình số độ cao)

ISODATA Iterative Self-Organizing Data Analysis Techniques Membership funtion Hàm thuộc

MLC Maximum Likelihood Classification (Phương pháp phân

lớp hợp lý tối đa) MODIS Moderate Resolution Spectroradiometer

NASA National Aeronautics and Space Administration

NOAA National Oceanic and Atmospheric Administration

DANH MỤC CÁC BẢNG

Bảng 1.1 Các tính chất phép toán tập hợp 16

Bảng 1.2 Các phép toán với biến ngôn ngữ 17

Bảng 2.1 Bảng tính chỉ số thực vật 30

Bảng 3.1 Băng tần MSS 47

Bảng 3.2 Băng tần TM 48

Bảng 3.3 Ảnh tăng cường bởi các phương pháp 53

Bảng 3.4 So sánh entropy của các ảnh 53

Bảng 3.5 Ảnh tăng cường bởi các phương pháp 54

Bảng 3.6 So sánh entropy của các phương pháp 55

DANH MỤC CÁC HÌNH

Hình 1.1 Tiến trình viễn thám 4

Hình 1.2 Ảnh chụp và ảnh số 5

Hình 1.3 Các kênh ảnh 6

Hình 1.4 Ảnh độ phân giải cao (trái) và độ phân giải thấp (phải) 6

Hình 1.5 Đáp ứng phổ của các loại đá khác nhau 7

Hình 1.6 Hàm thuộc tam giác 12

Hình 1.7 Hàm thuộc hình thang 13

Hình 1.8 Hàm thuộc hình L 14

Hình 2.1 Nắn chỉnh hình học 19

Hình 2.2 Cân bằng lược đồ màu 20

Hình 2.3 Phân lớp có giám sát (trái) và không giám sát (phải) 20

Hình 2.4 Lọc ảnh số trong miền không gian 25

Hình 2.5 Ví dụ tích chập 26

Hình 2.6 Dãn tuyến tính lược đồ màu 26

Hình 2.7 Tăng cường tương phản bằng phương pháp Gauss 28

Hình 2.8 Biến đổi hệ trục tọa độ trong phân tích thành phần chính 32 Hình 2.9 Cấu trúc tổng quát của xử lý ảnh trên cơ sở logic mờ 34

Hình 2.10 Các bước xử lý ảnh trên cơ sở logic mờ 35

Hình 2.11 Hàm phân bố xác suất cho việc tính toán các giá trị hàm thuộc 37

Hình 2.12 Hàm thuộc 38

Hình 2.13 Sử dụng logic mờ nâng cao chất lượng ảnh 39

Hình 3.1 Sơ đồ tăng cường ảnh viễn thám 45

Hình 3.2 Cấu trúc dữ liệu ảnh viễn thám 49

Hình 3.3 Màn hình chính của chương trình thử nghiệm 50

Hình 3.4 Giao diện mở tệp ảnh vệ tinh để tăng cường tương phản 51 Hình 3.5 Giao diện mở tệp ảnh vệ tinh Lạc Thủy, Hòa Bình 51

Hình 3.6 Giao diện chọn tham số chương trình 52

Hình 3.7 Giao diện hiển thị ảnh đã nâng cao độ tương phản 52

Hình 3.8 So sánh Entropy của các ảnh 54

Hình 3.9 So sánh Entropy của các ảnh sau khi đã tăng cường 55

MỞ ĐẦU

Viễn thám là ngành khoa học quan sát bề mặt Trái đất hay khí quyển từ không gian bằng vệ tinh hay bằng máy bay Viễn thám bao gồm các thiết bị cảm nhận, ghi lại năng lượng phát ra từ đối tượng nghiên cứu, ví dụ dụ như thủy hệ, khu dân cư,… Chúng bao gồm tổ hợp phần cứng/phần mềm với khả năng xử lý, phân tích và ứng dụng các thông tin thu được từ ảnh Với cách hiểu này thì quá trình viễn thám bao gồm hai giai đoạn chính: (i) Thu thập thông tin viễn thám; (ii) Xử lý và phân tích dữ liệu viễn thám

Viễn thám có thể hiểu đơn giản là thăm dò từ xa về một đối tượng hoặc một hiện tượng mà không có sự tiếp xúc trực tiếp với đối tượng hoặc hiện tượng

đó

Có rất nhiều định nghĩa khác nhau về viễn thám, nhưng mọi định nghĩa đều có nét chung, nhấn mạnh “viễn thám là khoa học thu nhận từ xa các thông tin về các đối tượng, hiện tượng trên trái đất”

Như vậy ảnh viễn thám có thể là ảnh thu được từ vệ tinh (gọi là ảnh vệ tinh) và ảnh thu được từ máy bay (còn gọi là không ảnh) Trong phạm vi luận văn này, các ảnh được nghiên cứu là ảnh vệ tinh, nói cách khác, khái niệm ảnh viễn thám sử dụng trong luận văn này là ảnh vệ tinh

Hiện nay, viễn thám được ứng dụng rộng rãi trong nhiều ngành, nhiều lĩnh vực khác nhau Ảnh thu được từ vệ tinh thường có chất lượng rất khác nhau vì nhiều nguyên nhân khác nhau Thông thường chất lượng ảnh không đáp ứng trực tiếp cho việc phân đoạn, phân lớp ảnh viễn thám để có được thông tin cần thiết mà nhiều ứng dụng đòi hỏi Do vậy, việc nâng cao chất lượng ảnh viễn thám là nhu cầu bức thiết

Vấn đề xử lý và phân tích ảnh viễn thám là khá phức tạp, nó bao gồm nhiều công đoạn khác nhau từ dữ liệu ảnh thô để có được thông tin hữu ích Chủ đề này đã được quan tâm nghiên cứu nhiều ở nước ngoài [1, 2], ở trong nước cũng có nhiều tổ chức như các viện nghiên cứu, trường đại học quan tâm nghiên cứu và ứng dụng về vẫn đề này, như Viện hàn lâm Khoa học Công nghệ

Việt Nam, Trường đại học Quốc gia Hà Nội, Cục Viễn thám của Bộ Tài nguyên Môi trường…

Xuất phát từ vấn đề thực tiễn trên, tôi lựa chọn đề tài: “Nâng cao chất

lượng ảnh viễn thám sử dụng logic mờ” để làm luận văn của mình Mục tiêu

nghiên cứu luận văn của học viên là tìm hiểu và học hỏi một số kỹ thuật xử lý ảnh viễn thám bằng những kỹ thuật tin học hiện đại, sau đó thử nghiệm với một loại ảnh cụ thể của ảnh vệ tinh Landsat tại vùng tỉnh Thái Nguyên hoặc Hòa Bình về các phương pháp kỹ thuật nói trên

Đối tượng và phạm vi nghiên cứu

Đối tượng: ảnh viễn thám, các quy trình nâng cao chất lượng ảnh viễn

thám; sử dụng logic mờ để nâng cao chất lượng ảnh viễn thám

Phạm vi: Tìm hiểu và thử nghiệm các thuật toán nâng cao chất lượng

ảnh viễn thám sử dụng logic mờ đã được công bố với một loại ảnh viễn thám

cụ thể của một vùng

Cấu trúc của luận văn:

Ngoài phần mở đầu trình bày lý do chọn đề tài, mục tiêu, phạm vi nghiên cứu và phần kết luận trình bày các kết quả đạt được và các vấn đề tiếp còn tiếp tục nghiên cứu, nội dung của luận văn được trình bày trong ba chương như sau:

Chương 1: Tổng quan về viễn thám và logic mờ Trong chương này các

vấn đề cơ bản về viễn thám, ảnh vệ tinh và logic mờ được trình bày làm cơ sở khoa học cho các nghiên cứu tiếp theo

Chương 2: Các kỹ thuật nâng cao chất lượng ảnh viễn thám Chương này

nghiên cứu các phương pháp cơ bản trong việc nâng cao chất lượng ảnh vệ tinh Sau đó đi sâu nghiên cứu một kỹ thuật sử dụng logic mờ và phân cụm dữ liệu

Chương 3: Xây dựng chương trình thử nghiệm Chương này trình bày

qui trình và kết quả xây dựng chương trình demo nâng cao chất lượng ảnh viễn thám bằng thuật toán FCM Thử nghiệm với dữ liệu ảnh vệ tinh tại một vùng của tỉnh Hòa Bình

Chương 1

TỔNG QUAN VỀ VIỄN THÁM VÀ LOGIC MỜ

Trong chương này các vấn đề cơ bản về viễn thám, ảnh vệ tinh và logic

mờ được trình bày làm cơ sở khoa học cho các nghiên cứu trong các chương tiếp theo

1.1 Tiến trình viễn thám và các loại ảnh viễn thám

1.1.1 Tiến trình viễn thám

Theo các định nghĩa trong [1] [5] thì viễn thám (Remote Sensing) được hiểu

như một khoa học, nghệ thuật thu nhận thông tin về đối tượng, khu vực hay hiện tượng trên bề mặt Trái đất mà không tiếp xúc trực tiếp với chúng Công

việc này được thực hiện bởi việc cảm nhận (sensing) và lưu trữ các năng lượng

phản xạ hay được phát ra từ các đối tượng nghiên cứu Sau đó, các thông tin này được phân tích, xử lý và ứng dụng vào nhiều lĩnh vực khác nhau như bảo

vệ tài nguyên, thiên nhiên môi trường, nông nghiệp, lâm nghiệp, giao thông vận tải

1.1.2 Nguyên lý hoạt động của ảnh viễn thám

Tiến trình viễn thám bao gồm nhiều công đoạn, trong đó có tương tác giữa bức xạ và đối tượng nghiên cứu Khái niệm đối tượng nghiên cứu trong tài liệu này được hiểu là các đối tượng, khu vực hay hiện tượng nào đó trên bề mặt Trái đất mà con người muốn thu thập thông tin về nó Trên hình 1.1 là mô

tả vắn tắt bảy thành phần của hệ thống thu ảnh viễn thám [5]

Nguồn năng lượng hay nguồn sáng (A): Yêu cầu đầu tiên của viễn

thám là phải có nguồn năng lượng để chiếu sáng hay cung cấp năng lượng điện

từ đến đối tượng nghiên cứu

Bức xạ và khí quyển (B): Vì năng lượng đi từ nguồn tới đối tượng đích

cho nên nó tiếp xúc và đi qua khí quyển Việc tương tác này còn xảy ra lần nữa

khi năng lượng đi từ đối tượng đích tới cảm biến (sensor)

Hình 1.1 Tiến trình viễn thám [5]

Tương tác với đối tượng đích (C): Sau khi năng lượng được truyền qua

khí khuyển nó sẽ tương tác với đối tượng đích Cách thức tương tác của chúng phụ thuộc vào tính chất của đối tượng đích và bức xạ

Thu nhận năng lượng bằng đầu cảm biến (D): Sau khi năng lượng bị

đối tượng đích truyền đi hay phân tán (scattered), đầu cảm biến sẽ thu nhận

(không tiếp xúc) và lưu trữ bức xạ điện từ

Truyền, nhận và xử lý năng lượng (E): Năng lượng được cảm nhận bởi

Sensor sẽ được truyền đi, thông thường dưới dạng điện tử, đến trạm thu và xử lý, nơi mà dữ liệu được xử lý thành ảnh (dưới dạng ảnh in hay dạng số)

Diễn giải và phân tích (F): Ảnh được diễn giải bằng trực giác hay hệ

thống số để trích chọn các thông tin về đối tượng nghiên cứu Nội dung luận văn

sẽ tìm hiểu cs kỹ thuật tăng cường chất lượng ảnh trước khi diễn giải và phân tích

Ứng dụng (G): Phần tử cuối cùng của tiến trình viễn thám là áp dụng

các thông tin vừa trích chọn từ ảnh về đối tượng nghiên cứu để hiểu rõ hơn về

nó, làm nổi lên các thông tin mới hay hỗ trợ giải quyết một số vấn đề cụ thể

1.1.3 Đặc trưng ảnh viễn thám

Năng lượng điện từ có thể được nhận biết bằng phim ảnh hay thiết bị điện tử Có thể ghi biến thiên năng lượng trên phim nhạy ánh sáng Cần phân

CCRS ©

biệt hai khái niệm ảnh (image) và ảnh chụp (photograph) trong viễn thám Ảnh

được hiểu là hình thức biểu diễn “cảnh” bất kỳ, không quan tâm đến bước sóng hay thiết bị viễn thám nào được sử dụng Ảnh chụp đề cập đến ảnh được chụp trên phim ảnh Thông thường, ảnh được chụp tại bước sóng từ 0.3μm đến 0.9μm (vùng ánh sáng nhìn thấy và vùng tia hồng ngoại phản xạ) Vậy, mọi ảnh chụp

là ảnh, nhưng không phải mọi ảnh là ảnh chụp Ảnh chụp có thể được biểu diễn

và hiển thị dưới dạng ảnh số bằng cách chia ảnh thành các ô vuông nhỏ bằng

nhau (theo cột và hàng), gọi là pixel Biểu diễn độ sáng của mỗi vùng bằng một giá trị số (DN- Digital Number).

Hình 1.2 Ảnh chụp và ảnh số [5]

Hình 1.2 thể hiện qui trình sinh ảnh số từ ảnh chụp Ảnh chụp được quét

và được chia nhỏ thành các pixel Mỗi pixel được gán một số biểu diễn độ chói (sáng) Máy tính hiển thị mỗi giá trị số với mức độ chói khác nhau

Dưới đây trình bày một số khái niệm của ảnh vệ tinh

a Kênh ảnh (Channel, Band)

Thông thường, một dải hẹp bước sóng được đo và tập dữ liệu được lưu

trữ tách biệt theo bước sóng của chúng Chúng được gọi là băng (Band) hay kênh (Channel) ảnh (hình 1.3) Chung ta có thể tổ hợp và hiển thị các kênh thông tin nhờ ba màu cơ sở (red, green và blue)

Kích thước ảnh được tính bởi tổng số hàng, tổng số cột, tổng số băng và tổng

số bit/pixel Ví dụ ảnh đa phổ 4 băng có kích thước như sau: 3000 hàng x 3000 cột x

4 băng x 1 byte = 36 Mb lưu trữ Như vậy kích thước ảnh vệ tinh là rất lớn

Hình 1.3 Các kênh ảnh [1]

b Độ phân giải ảnh không gian

Độ phân giải không gian của ảnh là đề cập đến vùng được đo, kích thước đặc trưng nhỏ nhất trên mặt đất mà đầu đo (sensor) có thể nhận biết được Nếu sensor có độ phân giải không gian 20m và ảnh có từ sensor được hiển thị với mỗi pixel biểu diễn vùng 20mx20m trên mặt đất thì kích thước pixel bằng độ

phân giải Độ phân giải ảnh phụ thuộc vào lại vệ tinh, ví dụ vệ tinh Quick bird

có độ phân giải 0,6m, trong khi vệ tinh thời tiết NOAA có độ phân giải 1 Km

Vệ tinh VNRedSat 1 của Việt Nam có độ phân giải mặt đất là 2,5m Hình 1.4

là hai ảnh vệ tinh có độ phân giải khác nhau sẽ cho cảm nhận mặt đất khác nhau

Hình 1.4 Ảnh độ phân giải cao (trái) và độ phân giải thấp (phải)

c Độ phân giải phổ

Độ phân giải phổ của ảnh là đề cập đến bước sóng phổ mà sensor nhạy

cảm với đối tượng trên mặt đất Có thể nói độ phân giải phổ là số lượng kênh của ảnh vệ tinh về một khu vực nào đó Hình 1.5 thể hiện đáp ứng phổ của các loại đát khác nhau trên mặt đất

Hình 1.5 Đáp ứng phổ của các loại đá khác nhau [5]

d Độ phân giải bức xạ

Độ phân giải bức xạ của ảnh vệ tinh là đề cập đến mức độ năng lượng được mà sensor đo được Nói cách khác, nó là sự khác biệt nhỏ nhất trong mức năng lượng mà sensor có thể nhận biết

e Độ phân giải thời gian

Độ phân giải thời gian của ảnh vệ tinh là đề cập đến thời gian thu thập dữ liệu Nó liên quan đến khả năng chụp lặp cùng một vùng của vệ tinh cụ thể Ví

dụ LANSAT có độ phân giải thời gian 18 ngày còn SPOT là 24 ngày Các vệ tinh khí tượng có độ phân giải thời gian cao nhất, ví dụ GMS là 30 phút và NOAA là 6 giờ, để theo dõi sự chuyển động của mây, bão…

1.1.4 Khuân mẫu dữ liệu ảnh viễn thám

Khuôn mẫu dữ liệu ảnh viễn thám mô tả cách thức dữ liệu được ghi lên thiết bị lưu trữ, ví dụ DVD Một ảnh viễn thám thường được lưu trữ trong hai

tệp: tệp lưu trữ siêu dữ liệu hay dữ liệu của dữ liệu (metadata) Ví dụ với ảnh

của vệ tinh Landsat ETM+ thì các dữ liệu của chúng được lưu trữ như sau:

- Tệp metadata:

Chứa tập các mô tả bằng chữ hay số của dữ liệu lưu trữ trong tệp dữ liệu ảnh Chúng bao gồm tổng số dòng quét, số pixel/dòng, phép chiếu ảnh được sử dụng và tọa độ địa lý của tâm ảnh

- Tệp dữ liệu ảnh:

Tệp dữ liệu ảnh chứa các giá trị điểm ảnh của các kênh từ 1 đến 7, sắp xếp theo từng kênh Với mỗi kênh, các giá trị pixel của dòng quét thứ 1 được lưu trữ từ trái sang phải thành một bản ghi Tiếp theo là lưu trữ dữ liệu của dòng quét thứ 2,

Nói chung, khuôn mẫu ảnh viễn thám là đa dạng, tùy loại vệ tinh thu ảnh

1.1.5 Các loại ảnh viễn thám

Phân loại ảnh vệ tinh theo nguồn năng lượng [5] và chiều dài bước sóng của chúng Ta có thể chia ảnh vệ tinh thành 3 loại cơ bản:

- Ảnh quang học là loại ảnh được tạo ra bởi việc thu nhận các bước sóng

ánh sang nhìn thấy (bước sóng 0.4 - 0.76 µm) Nguồn năng lượng chính là bức

xạ mặt trời

- Ảnh hồng ngoại (ảnh nhiệt) là loại ảnh được tạo ra bởi việc thu nhận

các bước sóng hồng ngoại phát ra từ vật thể (bước sóng 8 - 14 µm) Nguồn năng lượng chính là bức xạ nhiệt của các vật thể

- Ảnh Radar là loại ảnh được ra bởi việc thu nhận các bước sóng trong

dải sóng cao tần (bước sóng từ 1mm - 1m) Nguồn năng lượng chính là sóng radar phản xạ từ các vật thể do vệ tinh tự phát cuống theo những bước sóng đã được xác định

Một số hệ thống vệ tinh và loại ảnh viễn thám

- Vệ tinh/Cảm biến thời tiết: TIROS-1, GOES, NOAA AVHRR…

- Các cảm biến/Vệ tinh quan trắc mặt đất: Landsat, SPOT, IRS, ASTER, MODIS

- Các cảm biến/vệ tinh quan trắc hải dương: Nimbus-7, MOS, SeaWIFS

- Việt Nam có vệ tinh nhỏ VNRedSat1 đã đưa vào sử dụng từ 4 năm nay (phóng lên quĩ đạo năm 2013)

Các trung tâm thu thập ảnh viễn thám theo qui trình được mô tả trên hình 1.1 sẽ cung cấp ảnh cho người sử dụng theo các cấp độ khác nhau Ở Việt Nam, ảnh vệ tinh có các mức độ như sau:

+ Mức 1A: ảnh vệ tinh thô - chưa định vị và xử lý phổ

+ Mức 1B: hiệu chỉnh các sai số như sự quay của Trái đất, ảnh hưởng

của độ cong Trái đất, góc chụp nghiêng

+ Mức 2A: ảnh được định vị về hệ tọa độ bản đồ UTM, Gauss chỉ sử

dụng các thông tin quỹ đạo của vệ tinh, không sử dụng các điểm khống chế mặt đất

+ Mức 2B: ảnh vệ tinh được nắn chỉnh về hệ tọa độ bản đồ sử dụng các

điểm khống chế ảnh được đo đạc ngoài thực địa hoặc lấy từ bản đồ tỷ lệ lớn hơn (áp dụng cho khu vực đồng bằng)

+ Mức 3: (trực ảnh) ảnh vệ tinh được nắn chỉnh về hệ tọa độ bản đồ sử

dụng các điểm khống chế và mô hình số độ cao để loại trừ các sai số do chênh cao địa hình gây ra (áp dụng cho khu vực miền núi)

1.1.6 Ứng dụng của viễn thám

Trong các hệ thống viễn thám, mỗi loại cảm biến được thiết kế cho một mục đích riêng, ví dụ cảm biến quang học được thiết kế dành cho việc thu thập các băng phổ Mỗi ứng dụng bản thân nó có những yêu cầu riêng, như độ phân dải phổ, phân dải không gian, phân dải thời gian Thông thường phải sử dụng nhiều cảm biến mới đáp ứng mọi yêu cầu của một ứng dụng

Ảnh viễn thám được sử dụng trong nhiều lĩnh vực như nông nghiệp, lâm nghiệp, địa chất, thủy văn, lớp phủ đất và sử dụng đất, lập bản đồ, theo dõi đại dương và khu vực bờ biển, [1][5]

1.2 Khái quát về logic mờ

Lý thuyết tập mờ và logic mờ được công bố lần đầu tiên tại Mỹ vào năm

1965 bởi Lofti A Zadeh một giáo sư tại trường Đại học California, Mỹ Lý thuyết mờ ra đời nhằm giải quyết những vấn đề không rõ ràng của thể giới thực

mà logic kinh điển không thể giải quyết một cách đầy đủ Các phép toán của logic kinh điển chỉ thừa nhận hai trạng thái giá trị “0” và “1”, trong khi đó phần lớn các thông tin trong thế giới thực là không chính xác, không đầy đủ, không

rõ ràng và một trong những khả năng to lớn của con người là xử lý những thông tin thực “không chính xác” và “nhập nhằng”

Khái niệm về lý thuyết tập mờ cho phép xử lý các vấn đề sau đây:

- Những phạm trù có đường biên kém xác định (như “trung tâm huyện” hay “cũ” )

- Những tình huống trung gian giữa tất cả và không có gì (“hầu như là đã thi đỗ”)

- Việc chuyển nhích dần từ một tính chất này sang một tính chất khác (từ

“gần” tới “xa”)

- Những giá trị gần đúng (“khoảng 100km”)

Nội dung dưới đây trình bày những vấn đề cơ bản về logic mờ liên quan đến chủ đề nghiên cứu trong luận văn, các vấn đề này được tham khảo trong tài liệu [1], [4]

1.2.1 Khái niệm về tập rõ và tập mờ

1.2.1.1 Tập rõ (Crip set)

Trong lý thuyết tập hợp cổ điển, quan hệ thành viên của các phẩn tử đối với tập hợp được đánh giá theo kiểu nhị phân một cách rõ ràng: mỗi phần tử x tham chiếu X là chắc chắn thuộc tập A hoặc chắc chắn không thuộc tập A Ta gán cho phần tử đó giá trị 1 nếu phần tử chắc chắn thuộc tập A và giá trị 0 nếu phần tử chắc chắn không thuộc tập A

Để biểu diễn một tập hợp A trên tập nền X, ta dùng hàm thuộc A(x), với:

A x khi 1 ) x

Nếu không gian được định nghĩa là một tập hợp rời rạc xác định các giá trị X ={x1, x2, …, xn} thì một tập mờ A trên X được biểu diễn như sau:

Nếu không gian là tập vô hạn, không đếm được X = {x1, x2, …} thì tập

mờ A trên X được biểu diễn:

𝐴 = ∫ 𝜇𝐴 (𝑥)

𝑥 𝑋

Ký pháp “ ” không liên quan gì đến tích phân mà chỉ có nghĩa rằng với mọi phần tử x của miền X (X là miền không đếm được) đều được gán với một

độ thuộc của x vào tập mờ A

Các tiêu chí sau là hợp lệ cho tất cả các hàm thuộc:

- Hàm thuộc phải là hàm có giá trị thực trong khoảng [0,1]

- Các giá trị hàm thuộc sẽ là 1 tại tâm của tập hợp

- Hàm thuộc sẽ suy biến khi có khoảng cách thích hợp từ tâm đến ranh giới

- Các điểm có giá trị 0,5 (điểm cắt ngang) sẽ là ranh giới của tập rõ, nếu chúng ta vận dụng việc phân lớp rõ thì ranh giới phân lớp sẽ miêu tả bởi các điểm cắt ngang

Có hai kiểu hàm thuộc là hàm thuộc tuyến tính và hàm thuộc hình sin thường được áp dụng

1.2.2.1 Hàm thuộc tuyến tính

Hàm thuộc tuyến tính có 4 tham số xác định hình dạng hàm Bằng việc lựa chọn các giá trị thích hợp a, b, c, d sẽ tạo ra các hàm các hình dạng khác nhau

a Hàm thuộc tam giác

Hàm thuộc tam giác với các tham số cận dưới a, cận trên b và giá trị đỉnh tam giác là m với a < m < b Hàm thuộc tam giác được gọi là đối xứng nếu b -

Đồ thị của hàm thuộc tam giác không đối xứng (hình 1.6a) và đồ thị tam giác đối xứng (hình 1.6b)

Hình 1.8 Hàm thuộc hình L 1.2.2.2 Hàm thuộc hình sin

Hàm thuộc hình sin chính xác hơn so với hàm thuộc tuyến tính vì hàm thuộc không bị gấp khúc tại các nút Hàm thuộc này (Hình 1.9) có 4 tham số và tùy theo việc lựa chọn giá trị mà có các dạng hàm thuộc hình chữ S, hình chữ

L, hình chuông Đồ thị và công thức tổng quát của hàm thuộc hình sin:

𝜇𝐴(𝑥) =

{

0 𝑛ế𝑢 𝑥 < 𝑎 1

2(1 − cos (𝜋

𝑥 − 𝑎

𝑏 − 𝑎)) 𝑛ế𝑢 𝑎 ≤ 𝑥 ≤ 𝑏1

- Giá của tập mờ A (Support)

Tất cả các phần tử của không gian X có giá trị hàm thuộc lớn hơn 0 trong

tập mờ A được gọi là giá của A được ký hiệu và định nghĩa:

supp(A) = {x  X/ A(x) >0}

- Chiều cao tập mờ A (Height)

Giá trị hàm thuộc

Height của tập mờ A là giá trị lớn nhất mà hàm thuộc có thể lấy trong tập

mờ A hgt(A) = supp{ A(x), xX}

Nếu hgt(A) = 1 tức là có chắc chắn ít nhất 1 phần tử của X thuộc tập mờ

A khi đó tập mờ được gọi là chuẩn hóa

- Tập mờ tương đương (Equality)

Hai tập mờ A và B tương đương (ký hiệu là A = B) nếu x  X thì A(x)

Phần bù của một tập mờ A là một tập con mờ trên X với hàm thuộc được xác định: 𝜇𝐴(𝑥) = 1 − 𝜇𝐴(𝑥), 𝑥𝜖 𝑋

Dưới đây là bảng các tính chất cho phép toán tập hợp đúng cho cả tập rõ

1.2.5 Biến ngôn ngữ (Liguistic Variable)

Số mờ đóng vai trò quan trọng trong việc xây dựng biến mờ định lượng

là biến có trạng thái định bởi các số mờ Khi các số mờ biểu diễn các khái niệm ngôn ngữ như rất nhỏ, nhỏ, trung bình, lớn, rất lớn,… trong một ngữ cảnh cụ thể, biến mờ được gọi là biến ngôn ngữ Biến ngôn ngữ được xác định theo một biến cơ sở trên một tập cơ sở là số thực trên một khoảng cụ thể Biến cơ sở có thể là: điểm, tuổi, lãi suất, lương, nhiệt,… Trong một biến ngôn ngữ, các giá trị ngôn ngữ biểu diễn các giá trị xấp xỉ của biến cơ sở, các giá trị ngôn ngữ này

là các số mờ

Biến ngôn ngữ được đặc trưng bởi bộ năm (V, T, X, g,m), trong đó:

- V là tên biến ngôn ngữ

- T là tập các giá trị của biến ngôn ngữ

- X là tập cơ sở

- g là tập các luật của một văn phạm tạo ra các giá trị ngôn ngữ của tập T

- m là tập các luật ngữ nghĩa gán giá trị t  T

Các toán tử áp dụng cho tập mờ ngôn ngữ được thể hiện tại bảng 1.2:

Bảng 1.2 Các phép toán với biến ngôn ngữ

hệ thống được các kiến thức cơ bản về logic mờ Các kiến thức ở chương 1 sẽ

là nền tảng cơ bản để luận văn đi tiếp nghiên cứu các kỹ thuật nâng cao chất lượng ảnh viễn thám trong chương 2 và xây dựng chương trình thử nghiệm trong chương 3

Chương 2

CÁC KỸ THUẬT NÂNG CAO CHẤT LƯỢNG

ẢNH VIỄN THÁM

Chương này trình bày tiến trình chung của việc xử lý ảnh viễn thám, từ

đó thấy rõ hơn phạm vi nghiên cứu của luận văn Sau đó luận văn trình bày sâu hơn một số kỹ thuật nâng cao chất lượng ảnh viễn thám để phục vụ công đoạn phân lớp, gán nhãn ảnh viễn thám

2.1 Khái quát về tiến trình xử lý ảnh viễn thám

Phần lớn công việc diễn giải và giải đoán ảnh viễn thám được thực hiện bằng thủ công hay mắt thường trên các ảnh chụp (ảnh tương tự) Đối với các ảnh

số, có thể giải đoán bằng thủ công hay bằng máy tính Xử lý số có thể được sử dụng cho các ảnh số để tăng cường chất lượng ảnh để giải đoán tốt hơn Xử lý

và phân tích ảnh số có thể tự động giải đoán các đối tượng trên ảnh mà không cần can thiệp của con người Tuy nhiên, thực tế thì rất ít khi xử lý và phân tích ảnh thay thế hoàn toàn thủ công Nó thường là hỗ trợ người phân tích trong việc giải đoán ảnh viễn thám Giải đoán ảnh viễn thám bằng máy tính hay thủ công đều có ưu nhược điểm riêng Vậy, cả hai kỹ thuật giải đoán này thường được sử dụng

Xử lý ảnh số là thực hiện một loạt thủ tục bao gồm lập khuôn mẫu, hiệu

chỉnh dữ liệu, nâng cao chất lượng để dễ dàng giải đoán hay phân lớp tự động các đối tượng bằng máy tính Để có thể xử lý số ảnh viễn thám, dữ liệu phải được thu thập dưới dạng số phù hợp và lưu trữ trong máy tính Đồng thời phải

có phần cứng, phần mềm phù hợp, nói cách khác phải có hệ thống phân tích ảnh phù hợp

Xử lý ảnh viễn thám bao gồm nhiều bước và được phân thành ba nhóm chính như sau:

(i) Tiền xử lý

(ii) Nâng cao chất lượng và hiển thị ảnh

(iii) Trích chọn đặc trưng

Phần lớn các chức năng xử lý ảnh trong hệ thống phân tích ảnh được chia thành các nhóm chính sau:

Tiền xử lý: Các thao tác tiền xử lý, còn được gọi là khôi phục và hiệu

chỉnh ảnh, thực hiện hiệu chỉnh hình học (hình 2.1) và hiệu chỉnh phóng xạ

Có hai loại méo hình học thường gặp [5], bao gồm méo hệ thống và méo không hệ thống Méo không hệ thống là méo không ổn định về mặt hình học như bị ảnh hưởng bới tốc độ bay của vệ tinh, góc nhìn, độ cao Méo hệ thống

là do tốc độ gương bị thay đổi, nó gây ra các đường quét đều méo giống nhau hoặc đường quét bị kéo lệch một phía Nắn ảnh méo hệ thống tương đối đơn giản

Hình 2.1 Nắn chỉnh hình học [5]

Hiệu chỉnh phóng xạ bao gồm hiệu chỉnh dữ liệu do tính không đều của

sensor hay nhiễu khí quyển.

Hiệu chỉnh hình học bao gồm hiệu chỉnh biến dạng hình học vì dao động của hình học Trái đất-sensor và chuyển đổi dữ liệu sang hệ tọa độ thế giới thực (kinh vĩ độ) trên bề mặt Trái đất Sau đây là một số kỹ thuật hay

sử dụng

- Nâng cao chất lượng ảnh: Các thao tác này làm tăng cường độ rõ của

ảnh để hỗ trợ giải đoán và phân tích ảnh Các chức năng nâng cao chất lượng

ảnh bao gồm co dãn tương phản (hình 2.2), lọc không gian để làm nổi các màu trên ảnh…

Hình 2.2 Cân bằng lược đồ màu

- Biến đổi ảnh: Bao gồm các thao tác tương tự nâng cao chất lượng ảnh.

Trong khi nâng cao chất lượng ảnh chỉ làm việc với một kênh ảnh vào một thời điểm, biến đổi ảnh thực hiện xử lý dữ liệu từ đa băng phổ Các thao tác số học (trừ, cộng, nhân, chia) được thực hiện để tổ hợp và biến đổi các băng gốc để sinh ra ảnh mới giúp hiển thị tốt hơn, làm rõ các đặc trưng hơn

- Phân lớp và phân tích ảnh: Các thao tác thuộc nhóm này được thực hiện

để nhận biết và phân lớp các điểm ảnh Phân lớp thông thường được thực hiện trên tập dữ liệu đa kênh và tiến trình này gán cho mỗi pixel trong ảnh một lớp cụ thể trên cơ sở đặc trưng thống kê của các giá trị độ chói pixel Có nhiều tiệm cận khác nhau để thực hiện phân lớp Hai tiệm cận chính hay được sử dụng đó là phân lớp có giám sát và phân lớp không có giám sát (hình 2.3)

Hình 2.3 Phân lớp có giám sát (trái) và không giám sát (phải) [5]

Phân lớp không giám sát là tiến trình hoàn toàn tự động Nó được sự dụng khi thiếu thông tin về vùng sẽ phân lớp Còn phân lớp giám sát được sử dụng khi biết một số thông tin về ảnh Phương pháp này cho kết quả tối ưu hơn

Giới hạn phạm vi nghiên cứu của luận văn này là khảo sát các kỹ thuật nâng cao chất lượng ảnh viễn thám, tập trung sâu hơn vào kỹ thuật tăng cường

độ tương phản sử dụng logic mờ

2.2 Một số kỹ thuật nâng cao chất lượng ảnh viễn thám

Tiền xử lý ảnh viễn thám nhằm nâng cao chất lượng ảnh để giải đoán,

thông thường bao gồm các thao tác như hiệu chỉnh bức xạ (radiometric, cosmetic), hiệu chỉnh hình học dữ liệu thu được từ đầu đo (sensor) của vệ tinh

và tăng cường chất lượng ảnh (image enhancement) [1] Một vài kỹ thuật hay

được sử dụng trong tiền xử lý ảnh viễn thám được mô tả sau đây

2.2.1 Hiệu chỉnh bức xạ

Hiệu chỉnh bức xạ là thực hiện hiệu chỉnh dữ liệu do sự bất bình thường

của sensor và nhiễu do khí quyển Khí quyển có ảnh hưởng lớn đến quá trình

quét ảnh và truyền thông tin, nó gây nhiễu và làm sai lệch các thông tin thực tế

Ví dụ, bóng mây và mặt nước có thể cho lại ảnh với giá trị độ sáng của mỗi tế

bào (DN- Digital Number) có giá trị 0 ở băng 7 của ảnh Landsat Với loại lỗi

này, có thể hiệu chỉnh bằng lược đồ màu của từng băng, bộ lọc thông thấp hay xếp chồng ảnh kế tiếp Nói chung, khí quyển là hệ thống động và cực kỳ phức tạp Do vậy, ảnh hưởng giữa khí quyển và sóng điện từ không được mô tả chi tiết ở luận văn này

Đường quét ảnh thiếu được hiệu chỉnh bằng nhiều phương pháp khác

nhau Ví dụ với một băng phổ của ảnh Landsat có 6 detector (mắt thần), mỗi

thông tin cung cấp một hàng dữ liệu trong quá trình quét và truyền Khi thông tin của một detector bị mất thì hàng ảnh đó trở thành đen, hay DN=0 Phương

pháp khôi phục đơn giản có thể là tính giá trị DN trung bình của hàng trên và hàng dưới sau đó gán giá trị nguyên cho hàng thiếu thông tin Với trường hợp giá trị DN của một hàng nào đó trên ảnh có giá trị cao gấp hai lần giá trị trung bình làm dòng ảnh có màu trắng Giải pháp có thể là xây dựng biểu đồ màu của sáu hàng trên ảnh Sau đó tính giá trị trung bình trên đồ thị để gán giá trị cho dòng bị thiếu Một phương pháp hiệu quả để khôi phục thông tin điểm

ảnh là do Bernstein và cộng sự đề xuất Giá trị điểm ảnh trong băng k được

ước lượng như sau:

𝑣𝑖,𝑗,𝑘 = 𝑀 {𝑣𝑖,𝑗,𝑟 −𝑣𝑖,𝑗+1,𝑟 + 𝑣𝑖,𝑗−1,𝑟

𝑣𝑖,𝑗+1,𝑘 + 𝑣𝑖,𝑗−1,𝑘

2

trong đó, M là tỷ lệ giữa độ lệch chuẩn giá trị điểm ảnh trong băng k và

độ lệch chuẩn giá trị điểm ảnh trong băng r tương quan

2.2.2 Hiệu chỉnh hình học

Các lỗi hình học trên ảnh chụp từ vệ tinh xuất phát từ lỗi thiết bị, sự xoay của Trái đất, biến dạng của cảnh chụp Ảnh viễn thám không phải là bản đồ Thông thường các thông tin trích chọn từ ảnh viễn thám được tích hợp với dữ liệu bản đồ trong GIS hay chúng được trình diễn dưới hình thức “tương tự” bản

đồ Do vậy, dữ liệu viễn thám phải được co dãn, chiếu , hay nói cách khác là được hiệu chỉnh hình học sao cho phù hợp Một số nhà nghiên cứu đã đề xuất

mô hình hình học quĩ đạo cơ sở, chúng hình thành từ các tính chất quĩ đạo của

vệ tinh Mô hình cơ sở được thể hiện bởi các phương trình quan trắc cộng tuyến Các phương trình này mô tả tính chất quĩ đạo vệ tinh, hình học của sự quan sát

và hệ thống tọa độ địa lý Một số phương pháp hiệu chỉnh hệ thống tọa độ của

ảnh viễn thám trước đây như của Landgrebe… đã sử dụng mô hình này với xấp

xỉ tham số vệ tinh giả định để hình thành các ma trận biến đổi affine Do vậy,

phương pháp này không được áp dụng trong thực tế Mô hình phân tích đầy đủ hơn được hình thành có tính đến nhiều tham số thực như sự dao động về kinh

vĩ độ của hệ thống thiết bị,… Phương pháp biến đổi trên cơ sở các điểm điều khiển mặt đất (những điểm biết chính xác vị trí của chúng trên bản đồ và trên ảnh) được áp dụng để phát triển phần mềm xử lý ảnh viễn thám cũng như trong GIS Từ sự khác biệt giữa sự phân bổ tập điểm trên ảnh và phân bổ các điểm này trên bản đồ, sự biến dạng của ảnh có thể được ước lượng Tiến trình hiệu

chỉnh hình học thường được sử dụng là trên cơ sở kỹ thuật “tấm cao su - rubber

sheeting” như mô tả trong [1] Giả sử (x, y) là hệ trục tọa độ của bản đồ, (c, r)

là hệ trục tọa độ ảnh, ta phải thực hiện phép biến đổi 𝑇(𝑐, 𝑟) → (𝑥, 𝑦) Giải pháp được sử dụng là phải xác định cặp hàm tham số sau:

Phương pháp nắn chỉnh hình học biến đổi sáu tham số của W H

Sprinsky với hệ phương trình như sau thường được sử dụng:

trong đó, β2 và β5 thể hiện phép tịnh tiến từ gốc tọa độ, β0, β1, β3 và β4 thể hiện các phép biến đổi như xoay, co dãn

Các hệ số βi với i=0…5 được ước lượng bằng phương pháp hồi qui bình phương tối thiểu (RMS) trên cơ sở các điểm điều khiển do người sử dụng lựa

chọn Lỗi bình phương tối thiểu (RMS error) theo hướng x được tính như sau:

𝑚𝑥 = √1

𝑛∑ 𝛿𝑥𝑖

2 𝑛

𝑖=1

5 4

3

2 1

r

y x

c

Tính tương tự cho hướng y là my Sau đó, giá trị lỗi RMS tổng thể là:

𝑚𝑡𝑜𝑡𝑎𝑙 = √𝑚𝑥2 + 𝑚𝑦2Trong một số trường hợp, hiệu chỉnh hình học bởi đa thức bậc nhất là đáp ứng yêu cầu người sử dụng Tổng quát, có thể sử dụng đa thức bậc 2, 3 hoặc cao hơn để hiệu chỉnh Tuy nhiên việc ước lượng các tham số cho các đa thức bậc cao là khá phức tạp

2.2.3 Nâng cao chất lượng ảnh viễn thám

Nâng cao chất lượng ảnh viễn thám là nhằm mục đích hiển thị ảnh rõ hơn, hỗ trợ hiệu quả hơn đối với việc diễn giải và phân tích trực quan hay tự động Các vấn đề đã được các nhà khoa học nghiên cứu nhiều bao gồm tăng cường sự tương phản và lọc không gian nhằm làm rõ hơn (hoặc loại bỏ) mẫu không gian cụ thể nào đó trong ảnh Thông tin chứa trong ảnh được biểu diễn bởi mô hình sau đây:

Dữ liệu ảnh = Mẫu vùng + Mẫu địa phương + Nhiễu

= Nền + Tiền cảnh (chi tiết) + Nhiễu

= Các tần số thấp + Các tần số cao + Nhiễu

Có hai loại nhiễu chính là nhiễu ngẫu nhiên và nhiễu theo chu kỳ Ví dụ nhiễu ngẫu nhiên là nhiễu đốm trong ảnh viễn thám Nhiễu chu kỳ xảy ra do

nhiều yếu tố khác nhau như sinh ra từ máy scanner cơ điện, sự dao động của

động cơ tàu vũ trụ Bộ lọc số được áp dụng để tách các thành phần không gian

cụ thể ra khỏi ảnh số

Lọc ảnh viễn thám có thể thực hiện trên từng kênh ảnh hay với nhiều kênh ảnh đồng thời Có ba nhóm chính là lọc tăng độ tương phản, lọc làm mịn ảnh (lọc nhiễu) và lọc làm nổi biên ảnh Nhiễu ảnh được coi như sự đột biến của một vài điểm ảnh Trong không gian tần số thì nhiễu tương ứng với các thành phần tần số cao Cơ sở lý thuyết của kỹ thuật lọc số là dựa trên tính dư